点云统计滤波理解

统计滤波算法（Statistical Outlier Removal），基于点云数据中点到其邻域点距离的分布进行滤波，自我理解其实现步骤如下：
1、分别计算点云中各点k邻域距离的平均值，如假设一点云中有50个点，我设定条件为计算各点k邻域距离的平均值，则有50个平均值，各点k领域（以8领域为例）平均值计算方式如下图所示：

2、统计滤波提出作者认为（这是一个假设条件），整个点云得到的50个平均值在分布上应该是呈高斯分布的，就可以得到均值μ和标准差σ，以μ+std_mul*σ为距离阈值，距离在区间之外的点便视为离群点，并可以在点云数据中去除，其中std_mul是用户指定的标准差倍数的阈值。如图2所示，圆形的半径为统计后根据设置所得距离阈值，则A点邻域有3个点被视为离群点，B、C点邻域各有1个点被视为离群点在滤波过程中被删除。

参考：https://blog.csdn.net/Teng_NaoDan/article/details/118115216
2022_7_9